Classificação de tipos de câncer em mulheres a partir de aprendizado de máquina e sequenciamentos genéticos

Abstract

O câncer é considerado uma das doenças que mais causam mortes no mundo e, especificamente, assola a população feminina no Brasil, como nos casos do Câncer de Mama. Nesse contexto, o país apresenta problemas de infraestrutura com relação ao diagnóstico precoce da doença, afetando várias mulheres, principalmente aquelas que estão em vulnerabilidade social e econômica. Na contemporaneidade, abordagens utilizando Inteligência Artificial e sequenciamentos genéticos são estudadas para predizer e classificar tipos de câncer, permitindo a celeridade de detecção. Dessa forma, esse trabalho pretende, por meio de aprendizado de máquina e biomarcadores moleculares, classificar tipos de câncer que são mais incidentes em mulheres brasileiras nos últimos anos. Os dados de quantificação de genes em tecidos cancerosos, provenientes da Broad Institute, localizada em Cambridge, Massachusett, foram comparados com os gráficos de incidência de câncer em mulheres, disponibilizado pelo Instituto Nacional de Câncer (INCA), a fim de selecionar uma amostra para o trabalho. Logo após, a amostra foi dividida em 6 subamostras, baseadas na relevância dos genes de referência, pela validação no algoritmo Random Forest. A partir disso, as subamostras foram divididas em bases de treinamento e de teste para implementação de 5 classificadores: Random Forest, SVM, J48, Bayes Network e Naive Bayes. Por fim, foram analisados os desempenhos dos algoritmos de classificação, além de testes de validação com mais interações para discutir a relevância de genes comuns para diagnóstico do câncer de mama. Espera-se contribuir como potencial auxílio na detecção de tipos de câncer em mulheres. Além disso, esse trabalho pretende incentivar a pesquisa, por engenheiros biomédicos, sobre a importância de biomarcadores moleculares para identificação de doenças.